我国粮食产量影响因素的计量分析

1、我国粮食产量影响因素的计量分析一、引言农业是国民经济的基础, 粮食是基础的基础。粮食是人类赖以生存的必需物品，是国民经济发展和社会稳定的重要物质基础。尤其是对人均耕地已不足1. 4 亩且人口绝对规模持续扩大的我国而言,粮食产量的稳定增长显得格外重要。因此在研究加快粮食生产发展的进程中，只有了解影响粮食产量的主要因素，才有利于揭示粮食增产的规律，对指导粮食增产有重要的意义，政府也才能正确地做出举措来促进粮食产量健康合理可持续的增长。影响粮食产量的因素众多，如水资源贫富、有效灌溉面积、城市化、自然气候、农资投入、作物种植结构、国家政策、生产资料与粮食价格指数比、农药化肥施用量、粮食播种面积、成灾面

2、积、农业机械总动力、农业劳动力等。二、变量的选取及模型的设定在此，选取影响和制约粮食产量的农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力这五个主要因素，并拟合出关于我国粮食生产的线性回归模型。确定的模型的被解释变量为：粮食产量；解释变量为：农药化肥施用量X1、粮食播种面积X2、成灾面积X3、农业机械总动力X4、农业劳动力X5。由初步的分析知，粮食产量与成灾面积是负相关的，而与其它变量则是正相关的。根据所确定模型变量收集到了1983年至2007年主要粮食生产数据(表1)。通过EVIEWS软件对数据进行处理、分析并得出相关结论。基于以上变量，建立模型为：Y=0+1X1+2X2+

3、3X3+4X4+5X5+，其中，0度量常数项，表示在没有其他五个因素时粮食产量为负值，即粮食有消耗；1度量当农药化肥使用量变动一个单位时，粮食产量的变动；2度量当粮食播种面积变动一个单位，粮食产量的变动；3度量当成灾面积变动一个单位，粮食产量的变动；4度量农业机械总动力对粮食产量的影响；5度量农业劳动力对粮食产量的影响；为随机扰动项。表1 1983-2007年我国粮食产量及影响因素数据年份粮食产量农业化肥施用量粮食播种面积成灾面积农业机械总动力农业劳动力(万吨)（万公斤）（千公顷）（公顷）（万千瓦）（万人）19833872816601140471620918022311511984407311

4、740112884152641949730868198537911177610884522705209133113019863915119311109332365622950312541987402081999111268203932483631663198839408214211012323945265753224919894075523571122052444928067332251990446242590113466178192870838914199143529280611231427814293893909819924426429301105602589530308386991993

5、456493152110509231333181737680199444510331810954431383338023662819954666235941100602226736118355301996504543828112548212333854734820199749417398111291230309420163484019985123040841137872518145208351771999508394124113161267314899635768200046218414610846334374525743604320014526442541060803179355172365

6、1320024570643391038912731957930368702003430704412994103251660387365462004469474637101606162976402835269200548402476610427819966683983397020064980449281049582463272522325612007501605108105638250647659031444注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。资料来源：中国统计年鉴（1995，2008）。三、实证分析表2 中国粮食产量函数Dependent Variable: YM

7、ethod: Least SquaresDate: 11/23/11 Time: 21:25Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X15.9945110.6097139.8316850.0000X20.5367010.0578589.2762450.0000X3-0.1358730.029720-4.5717320.0002X4-0.0908220.042053-2.1596960.0438X5-0.0073900.070511-0.1048140.9176

8、C-26695.087507.527-3.5557750.0021R-squared0.980829 Mean dependent var44945.64Adjusted R-squared0.975783 S.D. dependent var4150.729S.E. of regression645.9230 Akaike info criterion15.98480Sum squared resid7927113. Schwarz criterion16.27733Log likelihood-193.8100 F-statistic194.4114Durbin-Watson stat1.

9、715679 Prob(F-statistic)0.0000001、 用OLS法估计模型=-26695.08+5.99X1+0.54X2-0.14X3-0.09X4-0.01X5 （-3.56） （9.83）（9.28）（-4.57）（-2.16）（-0.1）R2=0.9808 2 =0.9758 F=194.41 D.W.=1.72由于R2较大且接近1，而且F=194.41F0.05（5,19）=2.74，故认为粮食生产与上述解释变量间总体线性关系显著。但因为X4的t检验值并不显著，X5的显著性不强，而且符号的经济意义也不合理，可能存在多重共线性，故认为解释变量间存在多重共线性。2、 检验简

10、单相关系数表3 相关系数表X1X2X3X4X5X11-0.6165660.4006440.9527460.314885X2-0.616571-0.238039-0.74154-0.06097X30.400644-0.23803910.3100960.409704X40.952746-0.7415380.31009610.128834X50.314885-0.060970.4097040.1288341由表中数据可以发现X1与X4间存在高度相关性。3、找出最简单的回归形式分别作Y与X1、X2、X4、X5间的回归：（1）=34256.14+3.158761X1 (23.53) (7.72)R2=0

11、.7214 F=59.54 D.W.=0.79（2）=60721.96-0.1443X2 （2.63） （-0.68）R2=0.0199 F=0.47 D.W.=0.33（3）=38116.35+0.1652X4（24.57）（4.78）R2=0.4978 F=22.8 D.W.=0.51（4）=25719.78+0.5538X5（2.4） （1.8）R2=0.1234 F=3.24 D.W.=0.32可见，粮食生产受农业化肥施用量的影响最大，与经验相符合，因此选（1）为初始的回归模型。4、逐步回归将其他解释变量分别导入上述回归模型，寻找最佳回归方程（表4）。表4 逐步回归CX1X2X3X4X

12、52D.W.Y=f(X1)342563.160.70920.79t值23.537.72Y=f(X1,X2)-396194.570.630.95381.85t值-5.9222.0611.08Y=f(X1,X2,X3)-378434.790.63-0.110.97031.43t值-7.0227.1513.85-3.63Y=f(X1,X2,X3,X4)-271105.950.54-0.14-0.090.9771.71t值-4.3612.8410.01-4.77-2.67Y=f(X1,X2,X3,X5)-389364.730.62-0.130.080.97131.43t值-7.2726.4313.62

13、-3.941.34讨论：第一步，在初始模型中引入X2，模型拟合优度提高，且参数符号合理，变量也通过了t检验；第二步：引入X3，拟合优度再次提高，且参数符号合理，变量也通过了t检验；只是D.W.值为1.43偏离2，落入了无法判断的区域。第三步：引入X4，尽管拟合优度仍略有提高，但X4的参数未能通过t检验（因为-2.672.069），且符号不合理；第四步：去掉X4，引入X5，X5的参数未能通过t检验（因为1.342.069）；综上所述，第三步、第四步表明，X4、X5是多余的。同样还可以继续验证，如果用与X1高度相关的X4代替X1，则X4与X2、X3、X5间的任意线性组合，均达不到以X1、X2、X3

14、为解释变量的回归效果。因此，最终的粮食生产函数应以Y=f（X1，X2，X3）为最优，拟合结果如下：Y=-37842.67+4.79X1+0.63X2-0.11X3四、结论及建议模型剔除了农业机械总动力、农业劳动力两个变量，因为在模型的建立中参数符号不符合经济意义且参数的t检验和显著性检验不能通过。通过修正后的我国粮食产量模型可以发现，我国粮食产量的主要影响因素为农药化肥施用量、粮食播种面积和成灾面积。为此，提出如下建议：1、提高化肥利用效率，推广生态农业。化肥施用量虽然对粮食增产有着积极作用，但过度施用化肥会很大程度上降低土地肥力，抑制粮食产量。因此要确定化肥施用量的合理范围，同时倡导无机肥和

15、有机肥结合施用，提高肥料的利用率和土壤肥力，增加土壤有机质含量，提高土地的粮食生产能力。2、保护耕地面积，探索有效机制；稳定粮食播种面积，保证粮食产量。近年来，城市化建设进程中建筑和工业用地规模的扩大，导致耕地面积急剧减少。避免城市的扩张造成耕地的损失，加大耕地保护力度，稳定粮食作物播种面积因此，要坚决贯彻执行国家出台的政策和法律法规，积极探索对耕地的有偿保护制度。从上述粮食产量的多元线性模型来看，播种面积是一个重要的影响参数。在其他条件不变的情况下，增加播种面积就可以增加产量。所以，还应发展先进农业科学技术，加强耕地的深度开发，提高耕地的使用效率，从而相对增加播种面积。3、加强农业基础设施建

16、设， 提高粮食生产的抗灾能力；普及防灾知识，降低受灾风险。加强以农田水利为重点的粮食生产基本建设，确保在粮食生产过程中少减产、多增收。国家应在减少粮食受灾、提高粮食生产安全性的基础上加大财政投入力度，对农民进行农业教育和技术推广，提高农民的防灾意识和增强其防灾救灾的本领。同时，大力发展现代农业，以产业化、规模化提升农业效益，增强农业自身抗灾能力。 参考文献：【1】 李子奈、潘文卿.计量经济学【M】.第二版.高等教育出版社,2005年【2】 王智.关于我国粮食产量影响因素的实证分析【J】.大众商务,No1，2010附：Dependent Variable: YMethod: Least Squa

17、resDate: 11/24/11 Time: 22:18Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X13.1587610.4093507.7165250.0000C34256.141455.79923.530810.0000R-squared0.721363 Mean dependent var44945.64Adjusted R-squared0.709249 S.D. dependent var4150.729S.E. of regression2238.

18、130 Akaike info criterion18.34129Sum squared resid1.15E+08 Schwarz criterion18.43880Log likelihood-227.2661 F-statistic59.54476Durbin-Watson stat0.789143 Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 11/24/11 Time: 22:22Sample: 1983 2007Included observations: 25VariableCoe

19、fficientStd. Errort-StatisticProb. X2-0.1442870.211264-0.6829710.5014C60721.9623114.792.6269740.0151R-squared0.019877 Mean dependent var44945.64Adjusted R-squared-0.022737 S.D. dependent var4150.729S.E. of regression4197.651 Akaike info criterion19.59906Sum squared resid4.05E+08 Schwarz criterion19.

20、69657Log likelihood-242.9882 F-statistic0.466450Durbin-Watson stat0.333336 Prob(F-statistic)0.501447Dependent Variable: YMethod: Least SquaresDate: 11/24/11 Time: 22:33Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X40.1652190.0346004.7750660.0001C38116.35155

21、1.31624.570340.0000R-squared0.497830 Mean dependent var44945.64Adjusted R-squared0.475997 S.D. dependent var4150.729S.E. of regression3004.632 Akaike info criterion18.93032Sum squared resid2.08E+08 Schwarz criterion19.02783Log likelihood-234.6290 F-statistic22.80125Durbin-Watson stat0.509117 Prob(F-

22、statistic)0.000082Dependent Variable: YMethod: Least SquaresDate: 11/25/11 Time: 10:25Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X50.5537970.3078241.7990710.0851C25719.7810716.002.4001300.0249R-squared0.123364 Mean dependent var44945.64Adjusted R-squared0

23、.085249 S.D. dependent var4150.729S.E. of regression3969.865 Akaike info criterion19.48747Sum squared resid3.62E+08 Schwarz criterion19.58498Log likelihood-241.5934 F-statistic3.236658Durbin-Watson stat0.318936 Prob(F-statistic)0.085144Dependent Variable: YMethod: Least SquaresDate: 11/24/11 Time: 2

24、2:25Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X14.5744690.20732122.064630.0000X20.6318350.05705011.075160.0000C-39619.336695.586-5.9172310.0000R-squared0.957624 Mean dependent var44945.64Adjusted R-squared0.953772 S.D. dependent var4150.729S.E. of regres

25、sion892.4342 Akaike info criterion16.53795Sum squared resid17521653 Schwarz criterion16.68421Log likelihood-203.7244 F-statistic248.5838Durbin-Watson stat1.852688 Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 11/24/11 Time: 22:28Sample: 1983 2007Included observations: 25Va

26、riableCoefficientStd. Errort-StatisticProb. X14.7870680.17630027.153010.0000X20.6339050.04576513.851290.0000X3-0.1115130.030702-3.6321290.0016C-37842.675392.985-7.0170180.0000R-squared0.973974 Mean dependent var44945.64Adjusted R-squared0.970256 S.D. dependent var4150.729S.E. of regression715.8516 A

27、kaike info criterion16.13047Sum squared resid10761313 Schwarz criterion16.32549Log likelihood-197.6309 F-statistic261.9631Durbin-Watson stat1.431319 Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 11/24/11 Time: 22:28Sample: 1983 2007Included observations: 25VariableCoefficientStd. Errort-StatisticProb. X15.9545330.46376912.839430.0000X20.5385190.05381610.006730.0000X3-0.1363930.028570-4.7739860.0001X4-0.0882100.033023-2.6711340.0147C-27110.396217.065-4.3606410.